PulseAugur
实时 11:20:05
English(EN) Demand Transfer Estimation at Scale via Restricted Logit Modeling

新方法可估算海量商品库的需求转移系数

研究人员开发了一种新的大规模估计需求转移系数的方法,这对于优化商店商品组合和改进需求预测至关重要。该方法能够计算包含数百万种商品的系数,解决了现有文献中需要为每种可能的商品组合分别进行预测的低效问题。在满足关于替代行为的某些假设时,所提出的程序可以准确地估计底层系数并改进需求预测。 AI

影响 这项研究可能导致零售业更高效、更准确的需求预测,从而影响库存管理和销售优化。

排序理由 该集群包含一篇在 arXiv 上发表的关于新方法的论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法可估算海量商品库的需求转移系数

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Lakshya Garg, Deep Narayan Mishra, Swapnil Yadav, Haoan Wang, Sujal Alugubelli, Karthik Kumaran, Anupriya Sharma ·

    大规模需求转移估计通过受限Logit建模

    arXiv:2608.12680v1 Announce Type: cross Abstract: Item demand forecasting is an integral component of store assortment optimization. Existing literature focuses on learning a suitable customer choice model and using this model to determine the value of an objective function (i.e.…